論文の概要: On planetary systems as ordered sequences
- arxiv url: http://arxiv.org/abs/2105.09966v1
- Date: Thu, 20 May 2021 18:00:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 03:12:05.368035
- Title: On planetary systems as ordered sequences
- Title（参考訳）: 順序列としての惑星系について
- Authors: Emily Sandford, David Kipping, Michael Collins
- Abstract要約: 我々は、3277の惑星系における4286個のケプラー惑星の構成(または順序付け)にどのような情報が属するかを考える。
我々は、主星の性質に基づいて、惑星の半径と周期を予測するためにニューラルネットワークモデルを訓練する。
我々は、計算言語学において、教師なしの音声タグ付けに使用されるモデルを適用し、惑星や惑星系が、物理的に解釈可能な「文法規則」を持つ自然カテゴリーに該当するかどうかを調査する。
- 参考スコア（独自算出の注目度）: 7.216830424040808
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A planetary system consists of a host star and one or more planets, arranged
into a particular configuration. Here, we consider what information belongs to
the configuration, or ordering, of 4286 Kepler planets in their 3277 planetary
systems. First, we train a neural network model to predict the radius and
period of a planet based on the properties of its host star and the radii and
period of its neighbors. The mean absolute error of the predictions of the
trained model is a factor of 2.1 better than the MAE of the predictions of a
naive model which draws randomly from dynamically allowable periods and radii.
Second, we adapt a model used for unsupervised part-of-speech tagging in
computational linguistics to investigate whether planets or planetary systems
fall into natural categories with physically interpretable "grammatical rules."
The model identifies two robust groups of planetary systems: (1) compact
multi-planet systems and (2) systems around giant stars ($\log{g} \lesssim
4.0$), although the latter group is strongly sculpted by the selection bias of
the transit method. These results reinforce the idea that planetary systems are
not random sequences -- instead, as a population, they contain predictable
patterns that can provide insight into the formation and evolution of planetary
systems.
- Abstract（参考訳）: 惑星系はホスト星と1つ以上の惑星から構成され、特定の構成に配列されている。
ここでは、3277の惑星系における4286個のケプラー惑星の構成や順序に関する情報について考察する。
まず、ホスト星の性質と隣接する恒星の半径と周期に基づいて、惑星の半径と周期を予測するニューラルネットワークモデルを訓練する。
トレーニングされたモデルの予測の平均絶対誤差は、動的に許容可能な周期とラジイからランダムに引き出すネーブモデルの予測のMAEよりも2.1良い係数である。
第二に、計算言語学において教師なしの音声タグ付けに使用されるモデルを適用し、惑星や惑星系が物理的に解釈可能な「文法規則」を持つ自然カテゴリーに該当するかどうかを調べる。
モデルは、(1)コンパクトな多惑星系と(2)巨大星を取り巻く系(\log{g} \lesssim 4.0$)の2つの頑健な群を識別するが、後者の群はトランジット法の選択バイアスによって強く彫刻されている。
これらの結果は、惑星系はランダムな配列ではないという考えを強化し、その代わりに、惑星系の形成と進化に関する洞察を与える予測可能なパターンを含んでいる。
関連論文リスト
- Inferring Kernel $ε$-Machines: Discovering Structure in Complex Systems [49.1574468325115]
本稿では,カーネル因果状態推定を縮小次元空間における座標の集合として符号化する因果拡散成分を提案する。
それぞれのコンポーネントがデータから予測機能を抽出し,そのアプリケーションを4つの例で示す。
論文 参考訳（メタデータ） (2024-10-01T21:14:06Z) - System-1.x: Learning to Balance Fast and Slow Planning with Language Models [68.77277620915143]
言語モデルは、2つの異なるモードで長期計画問題の解決に使用できる。
高速な 'System-1' モード、明示的な検索やバックトラックなしで直接計画を生成する、遅い 'System-2' モード、ステップバイステップの計画。
LLMを用いた制御可能な計画フレームワークであるSystem-1.x Plannerを提案する。
論文 参考訳（メタデータ） (2024-07-19T15:40:59Z) - A Foundation Model for the Earth System [82.73624748093333]
我々は、100万時間以上の多様なデータに基づいてトレーニングされた地球システムのための大規模な基盤モデルであるAuroraを紹介します。
オーロラは、大気の質、海波、熱帯のサイクロンの軌道、および専用システムよりも計算コストの桁違いの高解像度の天気予報において、運用上の予測を上回っている。
論文 参考訳（メタデータ） (2024-05-20T14:45:18Z) - Exoplanets Prediction in Multi-Planetary Systems and Determining the
Correlation Between the Parameters of Planets and Host Stars Using Artificial
Intelligence [0.0]
我々は、少なくとも3つ以上の確認済みの惑星を収容する229個の多惑星系で、さらに太陽系外惑星を探索する。
我々は効率的な機械学習手法を用いて、762個の太陽系外惑星と8個の太陽系外惑星からなるデータセットを解析した。
巨大惑星では、惑星半径と主星の質量の間に強い相関関係が見られ、惑星形成と恒星の性質の関係に関する興味深い洞察を与えるかもしれない。
論文 参考訳（メタデータ） (2024-02-27T21:28:08Z) - Revisiting mass-radius relationships for exoplanet populations: a
machine learning insight [0.0]
我々は効率的な機械学習手法を用いて、762個の太陽系外惑星と8個の太陽系外惑星からなるデータセットを解析した。
異なる教師なしクラスタリングアルゴリズムを適用することで、データを「小さい」惑星と「巨大な」惑星の2つの分類に分類する。
我々の分析は、惑星の質量、軌道周期、恒星質量が太陽系外惑星半径を予測する重要な役割を担っていることを強調している。
論文 参考訳（メタデータ） (2023-01-17T19:15:06Z) - Predictive World Models from Real-World Partial Observations [66.80340484148931]
本研究では,現実の道路環境に対する確率論的予測世界モデル学習のためのフレームワークを提案する。
従来の手法では、学習のための基礎的真理として完全状態を必要とするが、HVAEが部分的に観察された状態のみから完全状態を予測することを学べる新しい逐次訓練法を提案する。
論文 参考訳（メタデータ） (2023-01-12T02:07:26Z) - Predicting the Stability of Hierarchical Triple Systems with
Convolutional Neural Networks [68.8204255655161]
本稿では,階層型三重項の安定性を予測する畳み込みニューラルネットワークモデルを提案する。
すべてのトレーニングされたモデルは公開されており、純粋な$N$-bodyメソッドよりも200ドルの速さで階層的な3重システムの安定性を予測することができる。
論文 参考訳（メタデータ） (2022-06-24T17:58:13Z) - Automation Of Transiting Exoplanet Detection, Identification and
Habitability Assessment Using Machine Learning Approaches [0.0]
我々はケプラー望遠鏡で捉えた恒星からの光強度曲線を分析し、惑星系の存在の性質を示すポテンシャル曲線を検出する。
我々は、いくつかの最先端機械学習とアンサンブルアプローチを活用することで、外惑星識別と居住可能性判定の自動化に取り組む。
論文 参考訳（メタデータ） (2021-12-06T19:00:12Z) - Analyzing the Habitable Zones of Circumbinary Planets Using Machine
Learning [0.0]
本研究では、惑星軌道と動的に誘導される居住可能な領域に基づいて、周辺惑星の居住可能なゾーンについて検討する。
その結果、2連星の質量比と軌道偏心性は、惑星系の軌道安定性と居住性に影響を与える重要な要因であることが示唆された。
我々はこれらの惑星系を迅速かつ効率的に分類するために機械学習モデルを訓練する。
論文 参考訳（メタデータ） (2021-09-17T19:36:12Z) - Improving Coherence and Consistency in Neural Sequence Models with
Dual-System, Neuro-Symbolic Reasoning [49.6928533575956]
我々は、神経系1と論理系2の間を仲介するために神経推論を用いる。
強靭なストーリー生成とグラウンドド・インストラクション・フォローリングの結果、このアプローチは神経系世代におけるコヒーレンスと精度を高めることができることを示した。
論文 参考訳（メタデータ） (2021-07-06T17:59:49Z) - Analyzing the Stability of Non-coplanar Circumbinary Planets using
Machine Learning [0.0]
非平面円周系における外惑星の軌道安定性を数値シミュレーション法を用いて解析する。
我々は、周囲惑星系の安定性を迅速に決定できる機械学習モデルを訓練する。
その結果、惑星の大きな傾きは軌道の安定性を高める傾向がありますが、地球と木星の間の惑星の質量範囲の変化はシステムの安定性にはほとんど影響しません。
論文 参考訳（メタデータ） (2021-01-07T00:59:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。